Ein Vortrag von Hieronymus Karl aus dem Hauptseminar "Personalisierung mit großen Daten".

1. Vorgestellt von Hieronymus Karl
09.01.2014

2. }
Introduction
}
The Music Long Tail
}
How To Discover New Music
◦ General
◦ Sales vs. Plays
◦ Definition and formal Model
◦ Power-Law, Power-Law w. Exp. Decay, Log Normal
◦ Dynamics in the Long Tail
◦ Recommending the unknown
◦ Novelty/Redundancy Detection
◦ Topic Diversification & Recommendation Lists
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
2

3. “The Long Tail is about the economics of abundance;
what happens when the bottlenecks that stand
between supply and demand in our culture start to
disappear and everything becomes available to
everyone.”
Anderson, Chris
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
3

4. }
Brick-And-Mortar Era
}
Hit or Miss à Hit vs. Niche paradigm
}
Pre- or Postfilters
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
4

5. Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
5

6. }
Used for the further studies:
Total Number of Plays
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
6

7. }
Qualitative Definition:
“The Long Tail is composed of a small
number of popular items, the well-known
hits, and the rest are located in the heavy tail,
those not sell that well.”
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
7

8. Top 30
0.28%
Top
82
Top
737
Top
6655
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
Total 260525
Artists
09.01.2014
8

9. }
Quantitative Definition:
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
9

10. Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
10

11. }
„It is not our goal to decide whether one can
monetize the long tail, but to help people
discover those items that are lost in the tail.“
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
11

12. }
Adaptive Information Filtering System
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
12

13. Aim: Distinguish novel and redundant in addition to relevant
and nonrelevant
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
13

14. }
}
}
Accuracy of state-of-the-art Collaborative Fitering Systems is
excellent, user satisfaction is still not given (Portfolio Effect)
New perception: Regard Recommendation-Lists as Entities to
obtain better user satisfaction
Intra-List-Similarity
}
}
diversity may refer to ALL kinds of features, e.g. genre, artist,
intrumentation, …
ILS-score calculation: the higher the score, the lower the diversity
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
14

15. Vielen Dank für Ihre Aufmerksamkeit!
Musikempfehlungssysteme,
Hieronymus Karl, Hauptseminar:
Personalisierung mit grossen
Daten
09.01.2014
15